CN109977321A - 消息中心消息内容推荐方法、装置及计算机可读存储介质 - Google Patents
消息中心消息内容推荐方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN109977321A CN109977321A CN201910121869.4A CN201910121869A CN109977321A CN 109977321 A CN109977321 A CN 109977321A CN 201910121869 A CN201910121869 A CN 201910121869A CN 109977321 A CN109977321 A CN 109977321A
- Authority
- CN
- China
- Prior art keywords
- message
- weight
- label
- user
- same day
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Abstract
本方案涉及研发管理,提供消息中心消息内容推荐方法、装置及计算机可读存储介质,通过在消息中心中对消息行为事件进行埋点,获取用户对APP上的消息的行为数据,然后上报到采集中心;统计用户当日对APP的所有消息的点击行为;根据消息画像为用户点击的消息打上兴趣标签,统计出所有推送消息对应的所有标签的全部点击次数,获取当日用户标签i的权重:针对APP的推送消息对应的标签,都计算标签权重,依据标签权重决定对用户推送与标签对应的消息。本申请结合用户当前行为和兴趣爱好,给用户实时推荐想要的消息内容,提升消息中心的留存和价值。根据近期前几日的标签点击情况来获取权重,从而辅助判断用户的偏好,能够更好的了解用户偏好。
Description
技术领域
本发明涉及研发管理,具体地说,涉及消息中心消息内容推荐方法、装置及计算机可读存储介质。
背景技术
目前市场上各APP都有用户的消息中心入口,展示的内容都是按消息类型进行分类展示,比如银行APP消息中心分为公告、精彩活动、借记卡交易、信用卡服务、理财服务、贷款服务、福利、其他等,用户进入消息中心后需要点击各分类后才能看到具体的消息列表,同时消息列表的内容可能不是用户想关心和需要的,用户想要看的消息内容可能在消息列表很深用户看不到。
发明内容
为解决以上技术问题,本发明提供一种消息中心消息内容推荐方法,应用于电子装置,包括以下步骤:通过在消息中心中对消息行为事件进行埋点,获取用户对APP上的消息的行为数据,然后上报到采集中心;统计用户当日对该APP的所有消息的点击行为;根据消息画像为用户点击的消息打上兴趣标签,进而统计出所有推送消息对应的所有标签的全部点击次数,其中,消息画像是指根据推送消息的属性信息而抽象出来的标签化消息模型,通过消息画像建立用户点击的消息与标签之间的映射关系,把用户对消息的点击转换为对标签的点击情况统计;根据下式计算当日用户标签i的权重:
其中,weights,t是当日对标签i的点击权重;
Ti是用户当日点击标签i的次数;
是用户当日点击所有标签的总次数;
N是当日点击标签的数量;
针对该APP的推送消息对应的标签,都计算当日的标签权重,并依据标签权重决定对用户推送与标签对应的消息。
优选地,按照标签权重从高到低的顺序推送与标签对应的消息。
优选地,还统计用户当日之前m日的标签权重,并以影响因子来权衡标签权重汇总,其公式如下:
weightd,t=(weights,t*α+weights,t-1*β+weights,t-2*γ…+weights,t-m*k)
其中,weightd,t是当日用户标签i权重汇总;
weights,t是当日对标签i的点击权重;
weights,t-1是当日之前第一日用户标签i权重汇总;
weights,t-2是当日之前第2日用户标签i权重汇总;
weights,t-m是当日之前第m日用户标签i权重汇总;
α、β、γ…k为影响因子,在0至1之间取值,且α、β、γ…k之和为1。
优选地,α、β、γ…k按照数值大小逐渐递减的顺序设置。
优选地,还设置有修正系数,其公式如下:
weightd,t=(weights,t*α+h+weights,t-1*β+weights,t-2*γ…+weights,t-m*k)
其中,为修正系数;
C为调整参数,初始值为0;
根据用户对该消息点击后的操作情况,使用修正系数来修正权重。
优选地,所述行为事件至少包括对消息的点击、删除、转发、停留时间、点击次数。
优选地,对于点击次数,每点击一次,则消息对应的修正系数的调整参数C+1;
对于转发消息,每转发一次消息,则消息对应的修正系数的调整参数C+1;
对于删除消息,每删除一次消息,则消息对应的修正系数的调整参数C-1;
对于停留时间,停留时间超过平均停留时间,则消息对应的修正系数的调整参数C+1,其中:平均停留时间采用埋点统计用户对于所有消息停留时间的平均值。
优选地,获取了标签点击情况后,将标签点击数据存储在移动终端,并定时通过http上报到采集中心,采集中心使用flume收集客户端发送的消息点击情况数据,并发送到kafka,kafka接收消息点击情况数据,然后使用spark streaming进行清洗和打标签。
本发明还提供一种电子装置,该电子装置包括:存储器和处理器,所述存储器中存储有消息中心消息内容推荐程序,所述消息中心消息内容推荐程序被所述处理器执行时实现如下步骤:通过在消息中心中对消息行为事件进行埋点,获取用户对APP上的消息的行为数据,然后上报到采集中心;统计用户当日对该APP的所有消息的点击行为;根据消息画像为用户点击的消息打上兴趣标签,进而统计出所有推送消息对应的所有标签的全部点击次数,其中,消息画像是指根据推送消息的属性信息而抽象出来的标签化消息模型,通过消息画像建立用户点击的消息与标签之间的映射关系,把用户对消息的点击转换为对标签的点击情况统计;
根据下式计算当日用户标签i的权重:
其中,weights,t是当日对标签i的点击权重;
Ti是用户当日点击标签i的次数;
是用户当日点击所有标签的总次数;
N是当日点击标签的数量;
针对该APP的推送消息对应的标签,都计算标签权重,并依据标签权重决定对用户推送与标签对应的消息。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令被处理器执行时,实现如上所述的消息中心消息内容推荐方法。
本申请的消息中心消息内容推荐方法、装置及计算机可读存储介质结合用户当前行为和兴趣爱好,给用户实时推荐想要的消息内容,提升消息中心的留存和价值。可以根据近期前几日的标签点击情况来获取权重,从而辅助判断用户的偏好,能够更好的了解用户偏好。并根据用户对标签的例如点击、转发、删除、停留时间等操作来修正权重,可以更加准确的为用户推送消息。
附图说明
通过结合下面附图对其实施例进行描述,本发明的上述特征和技术优点将会变得更加清楚和容易理解。
图1是本发明实施例的消息中心消息内容推荐方法的流程示意图;
图2是本发明实施例的电子装置的硬件架构示意图;
图3是本发明实施例的消息中心消息内容推荐程序的模块构成图。
具体实施方式
下面将参考附图来描述本发明所述的消息中心消息内容推荐方法、装置及计算机可读存储介质的实施例。本领域的普通技术人员可以认识到,在不偏离本发明的精神和范围的情况下,可以用各种不同的方式或其组合对所描述的实施例进行修正。因此,附图和描述在本质上是说明性的,而不是用于限制权利要求的保护范围。此外,在本说明书中,附图未按比例画出,并且相同的附图标记表示相同的部分。
图1为本发明实施例提供的消息中心消息内容推荐方法的流程示意图,该方法应用于电子装置,包括以下步骤:
步骤S10,通过在消息中心中对消息行为事件进行埋点,获取用户对APP上的消息的行为数据,然后上报到采集中心。消息可以是例如资金动账、理财产品、贷款产品、金融咨询、广告等的任何变动消息。例如,新推出的理财产品推广消息,资产变动通知消息,保险推广信息等等。所述行为数据可以是用户对消息的点击、删除、转发、停留时间、点击次数等。所述APP是指一种安装在智能手机、平板电脑等移动终端上的软件。
步骤S20,统计用户当日对该APP的所有消息的点击行为。通过埋点方法,可以统计出用户对消息的点击、删除、转发、停留时间、点击次数等的行为数据。本步骤先将用户对消息的点击行为统计出来。例如,招商证券的理财APP致远一户通,上面有股票推荐消息、理财推荐消息和财经资讯等。统计用户当日对致远一户通上的所有推送消息的点击情况。
步骤S30,根据消息画像为用户点击的消息打上兴趣标签,进而统计出所有推送消息对应的所有标签的全部点击次数,其中,消息画像是指根据推送消息的属性信息而抽象出来的标签化消息模型,通过消息画像建立用户点击的消息与标签之间的映射关系,把用户对消息的点击转换为对标签的点击情况统计。所有推送消息都事先在消息画像中有对应的标签对应。例如车险推送消息,其标签可以是车险,再具体,还可以包括下一级标签商业险。商业险标签对应的推送消息可以是例如划痕险、盗抢险、玻璃险等。对应二手车的推送消息,可以是包括标签豪车,推送消息中可以包括例如保时捷、奔驰等豪车的推送消息。还包括中档车,根据设定的价格不同包括例如大众、捷达、沃尔沃等。还有低档车标签,例如奥拓、五菱等车的推送消息。如上所述,在消息画像中,所有推送消息都有对应的标签。
通过消息画像就可以给用户接收到的推送消息打标签,从而将用户点击的消息利用高度概括、容易理解的标签来描述,进而统计出用户对于标签的点击情况。例如,对于用户点击的年利率5%的理财产品的推送消息,其标签为稳健性理财产品。用户一天可能点击了多个推送消息,这其中部分推送消息对应同一个标签。由此统计出用户当日对该标签的点击次数。通过消息画像可以利用用户点击的消息与标签之间的映射关系,把用户对消息的点击转换为对标签的点击情况统计。
例如,获取了标签点击情况后,将标签点击数据存储在移动终端,并定时通过http上报到采集中心,采集中心使用flume(分布式的海量日志采集、聚合和传输的系统)收集客户端发送的消息点击情况数据,并发送到kafka(一种高吞吐量的分布式发布订阅消息系统),kafka接收消息点击情况数据,然后使用spark streaming(一种流式处理框架)进行清洗和打标签。
步骤S40,根据下式计算当日用户标签i的权重:
其中,weights,t是当日对标签i的点击权重;
Ti是用户当日点击标签i的次数;
是用户当日点击所有标签的总次数;
N是当日点击标签的数量。
针对该APP的推送消息对应的标签,都计算标签权重,并依据标签权重决定对用户推送与标签对应的消息。优选地,按照标签权重从高到低的顺序推送与标签对应的消息。
在一个可选实施例中,还统计用户之前多日的标签权重,并以影响因子来权衡标签权重汇总,其公式如下:
weightd,t=(weights,t*α+weights,t-1*β+weights,t-2*γ…+weights,t-m*k)
其中,weightd,t是当日用户标签i权重汇总;
weights,t是当日用户标签i点击权重;
weights,t-1是当日之前第1日用户标签i权重汇总;
weights,t-2是当日之前第2日用户标签i权重汇总;
weights,t-m是当日之前第m日用户标签i权重汇总;
α、β、γ…k为影响因子,在0至1之间取值,且α、β、γ…k之和为1。
以上所说的当日之前第1日是指距离当日最近的之前的一天,当日之前的第2日是指距离当日第二近的之前的一天,以此类推。
由于引入了前几日的标签i的标签权重汇总,能够更准确的获知用户对于该标签的行为所代表的含义。其中,影响因子α可以是人为的去设定。并且,优选地,α、β、γ…k按照数值大小逐渐递减的顺序设置。也就是说,以越接近当日的影响因子越大为原则,之前越久的日期的影响因子越小。
在一个可选实施例中,还设置有修正系数,其公式如下:
weightd,t=(weights,t,α+h+weights,t-1,β+weights,t-2,γ…weights,t-m*k)
其中,为修正系数;
C为调整参数,其初始值为0,
根据用户对该消息点击后的操作情况,使用修正系数来修正权重。
进一步地,对于点击次数,每点击一次,则消息对应的修正系数的调整参数C+1
对于转发消息,每转发一次消息,则消息对应的修正系数的调整参数C+1;
对于删除消息,每删除一次消息,则消息对应的修正系数的调整参数C-1;
对于停留时间,停留时间超过平均停留时间,则消息对应的修正系数的调整参数C+1,其中:平均停留时间采用埋点统计用户对于所有消息停留时间的平均值。
参阅图2所示,是本发明电子装置的实施例的硬件架构示意图。本实施例中,所述电子装置2是一种能够按照事先设定或者存储的指令,自动进行数值计算和/或信息处理的设备。例如,可以是智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者多个服务器所组成的服务器集群)等。如图2所示,所述电子装置2至少包括,但不限于,可通过系统总线相互通信连接的存储器21、处理器22、网络接口23。其中:所述存储器21至少包括一种类型的计算机可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器21可以是所述电子装置2的内部存储单元,例如该电子装置2的硬盘或内存。在另一些实施例中,所述存储器21也可以是所述电子装置2的外部存储设备,例如该电子装置2上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。当然,所述存储器21还可以既包括所述电子装置2的内部存储单元也包括其外部存储设备。本实施例中,所述存储器21通常用于存储安装于所述电子装置2的操作系统和各类应用软件,例如所述消息中心消息内容推荐程序代码等。此外,所述存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器22在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器22通常用于控制所述电子装置2的总体操作,例如执行与所述电子装置2进行数据交互或者通信相关的控制和处理等。本实施例中,所述处理器22用于运行所述存储器21中存储的程序代码或者处理数据,例如运行所述的消息中心消息内容推荐程序等。
所述网络接口23可包括无线网络接口或有线网络接口,该网络接口23通常用于在所述电子装置2与其他电子装置之间建立通信连接。例如,所述网络接口23用于通过网络将所述电子装置2与推送平台相连,在所述电子装置2与推送平台之间建立数据传输通道和通信连接等。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobile communication,GSM)、宽带码分多址(WidebandCodeDivision Multiple Access,WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
可选地,该电子装置2还可以包括显示器,显示器也可以称为显示屏或显示单元。在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及有机发光二极管(Organic Light-Emitting Diode,OLED)显示器等。显示器用于显示在电子装置2中处理的信息以及用于显示可视化的用户界面。
需要指出的是,图2仅示出了具有组件21-23的电子装置2,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
包含可读存储介质的存储器21中可以包括操作系统、消息中心消息内容推荐程序50等。处理器22执行存储器21中消息中心消息内容推荐程序50时实现如下步骤:
步骤S10,通过在消息中心中对消息行为事件进行埋点,获取用户对APP上的消息的行为数据,然后上报到采集中心。所述行为数据可以是用户对消息的点击、删除、转发、停留时间、点击次数等。
步骤S20,统计用户当日对该APP的所有消息的点击行为。通过埋点方法,可以统计出用户对消息的点击、删除、转发、停留时间、点击次数等的行为数据。本步骤先将用户对消息的点击行为统计出来。
步骤S30,根据消息画像为用户点击的消息打上兴趣标签,进而统计出所有推送消息对应的所有标签的全部点击次数,其中,消息画像是指根据推送消息的属性信息而抽象出来的标签化消息模型,通过消息画像建立用户点击的消息与标签之间的映射关系,把用户对消息的点击转换为对标签的点击情况统计。
步骤S40,根据下式计算当日用户标签i的权重:
其中,weights,t是当日对标签i的点击权重;
Ti是用户当日点击标签i的次数;
是用户当日点击所有标签的总次数;
N是当日点击标签的数量;
针对该APP的推送消息对应的标签,都计算标签权重,并依据标签权重决定对用户推送与标签对应的消息。优选地,按照标签权重从高到低的顺序推送与标签对应的消息。
在本实施例中,存储于存储器21中的所述消息中心消息内容推荐程序可以被分割为一个或者多个程序模块,所述一个或者多个程序模块被存储于存储器21中,并可由一个或多个处理器(本实施例为处理器22)所执行,以完成本发明。例如,图3示出了所述消息中心消息内容推荐程序的程序模块示意图,该实施例中,所述消息中心消息内容推荐程序50可以被分割为用户行为获取模块501、打标签模块502、权重获取模块503、消息推荐模块504。其中,本发明所称的程序模块是指能够完成特定功能的一系列计算机程序指令段,比程序更适合于描述所述消息中心消息内容推荐程序在所述电子装置2中的执行过程。以下描述将具体介绍所述程序模块的具体功能。
其中,用户行为获取模块501用于通过在消息中心中对消息行为事件进行埋点,获取用户对APP上的消息的行为数据,然后上报到采集中心。消息可以是例如资金动账、理财产品、贷款产品、金融咨询、广告等的任何变动消息。例如,新推出的理财产品推广消息,资产变动通知消息,保险推广信息等等。所述行为数据可以是用户对消息的点击、删除、转发、停留时间、点击次数等。
用户行为获取模块501统计用户当日对该APP的所有消息的点击行为。通过埋点方法,可以统计出用户对消息的点击、删除、转发、停留时间、点击次数等的行为数据。本步骤先将用户对消息的点击行为统计出来。例如,招商证券的理财APP致远一户通,上面有股票推荐消息、理财推荐消息和财经资讯等。统计用户当日对致远一户通上的所有推送消息的点击情况。
打标签模块502根据消息画像为用户点击的消息打上兴趣标签,进而统计出所有推送消息对应的所有标签的全部点击次数,其中,消息画像是指根据推送消息的属性信息而抽象出来的标签化消息模型,通过消息画像建立用户点击的消息与标签之间的映射关系,把用户对消息的点击转换为对标签的点击情况统计。所有推送消息都事先在消息画像中有对应的标签对应。例如车险推送消息,其标签可以是车险,再具体,还可以包括下一级标签商业险。商业险标签对应的推送消息可以是例如划痕险、盗抢险、玻璃险等。对应二手车的推送消息,可以是包括标签豪车,推送消息中可以包括例如保时捷、奔驰等豪车的推送消息。还包括中档车,根据设定的价格不同包括例如大众、捷达、沃尔沃等。还有抵档车标签,例如奥拓、五菱等车的推送消息。如上所述,在消息画像中,所有推送消息都有对应的标签。
通过消息画像就可以给用户接收到的推送消息打标签,从而将用户点击的消息利用高度概括、容易理解的标签来描述,进而统计出用户对于标签的点击情况。例如,对于用户点击的年利率5%的理财产品的推送消息,其标签为稳健性理财产品。用户一天可能点击了多个推送消息,这其中部分推送消息对应同一个标签。由此统计出用户当日对该标签的点击次数。通过消息画像可以利用用户点击的消息与标签之间的映射关系,把用户对消息的点击转换为对标签的点击情况统计。
例如,获取了标签点击情况后,将标签点击数据存储在移动终端,并定时通过http上报到采集中心,采集中心使用flume(分布式的海量日志采集、聚合和传输的系统)收集客户端发送的消息点击情况数据,并发送到kafka(一种高吞吐量的分布式发布订阅消息系统),kafka接收消息点击情况数据,然后使用spark streaming(一种流式处理框架)进行清洗和打标签。
权重获取模块503用于根据下式计算当日用户标签i的权重:
其中,weights,t是当日对标签i的点击权重;
ti是用户当日点击标签i的次数;
是用户当日点击所有标签的总次数;
N是当日点击标签的数量;
针对该APP的推送消息对应的标签,都计算标签权重,消息推荐模块504依据标签权重决定对用户推送与标签对应的消息。优选地,按照标签权重从高到低的顺序推送与标签对应的消息。
在一个可选实施例中,还包括之前标签权重获取模块505,用于统计用户之前多日的标签权重,并以影响因子来权衡标签权重汇总,其公式如下:
weightd,t=(weights,t*α+weights,t-1*β+weights,t-2*γ…+weights,t-m*k)
其中,weightd,t是当日用户标签i权重汇总;
weights,t是当日用户标签i点击权重;
weights,t-1是当日之前第1日用户标签i权重汇总;
weights,t-2是当日之前第2日用户标签i权重汇总;
weights,t-m是当日之前第m日用户标签i权重汇总;
α、β、γ…k为影响因子,在0至1之间取值,且α、β、γ…k之和为1。
由于引入了前几日的标签i的标签权重汇总,能够更准确的获知用户对于该标签的行为所代表的含义。其中,影响因子α可以是人为的去设定。并且,优选地,α、β、γ…按照逐渐递减的顺序设置。也就是说,以越接近当日的影响因子越大为原则,之前越久的日期的影响因子越小。
在一个可选实施例中,还包括修正系数设置模块506,用于对修正系数进行设置,其公式如下:
weightd,t=(weights,t*α+h+weights,t-1*β+weights,t-2*γ…+weights,t-m*k)
其中,为修正系数;
C为调整参数,其初始值为0;
根据用户对该消息点击后的操作情况,使用修正系数来修正权重。
进一步地,对于点击次数,每点击一次,则消息对应的修正系数的调整参数C+1
对于转发消息,每转发一次消息,则消息对应的修正系数的调整参数C+1;
对于删除消息,每删除一次消息,则消息对应的修正系数的调整参数C-1;
对于停留时间,停留时间超过平均停留时间,则消息对应的修正系数的调整参数C+1,其中:平均停留时间采用埋点统计用户对于所有消息停留时间的平均值。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质可以是硬盘、多媒体卡、SD卡、闪存卡、SMC、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器等等中的任意一种或者几种的任意组合。所述计算机可读存储介质中包括消息中心消息内容推荐程序等,所述消息中心消息内容推荐程序50被处理器22执行时实现如下操作:
步骤S10,通过在消息中心中对消息行为事件进行埋点,获取用户对APP上的消息的行为数据,然后上报到采集中心。消息可以是例如资金动账、理财产品、贷款产品、金融咨询、广告等的任何变动消息。例如,新推出的理财产品推广消息,资产变动通知消息,保险推广信息等等。所述行为数据可以是用户对消息的点击、删除、转发、停留时间、点击次数等。
步骤S20,统计用户当日对该APP的所有消息的点击行为。通过埋点方法,可以统计出用户对消息的点击、删除、转发、停留时间、点击次数等的行为数据。本步骤先将用户对消息的点击行为统计出来。例如,招商证券的理财APP致远一户通,上面有股票推荐消息、理财推荐消息和财经资讯等。统计用户当日对致远一户通上的所有推送消息的点击情况。
步骤S30,根据消息画像为用户点击的消息打上兴趣标签,进而统计出所有推送消息对应的所有标签的全部点击次数,其中,消息画像是指根据推送消息的属性信息而抽象出来的标签化消息模型,通过消息画像建立用户点击的消息与标签之间的映射关系,把用户对消息的点击转换为对标签的点击情况统计。所有推送消息都事先在消息画像中有对应的标签对应。
步骤S40,根据下式计算当日用户标签i的权重:
其中,weights,t是当日对标签i的点击权重;
Ti是用户当日点击标签i的次数;
是用户当日点击所有标签的总次数;
N是当日点击的标签数量;
针对该APP的推送消息对应的标签,都计算标签权重,并依据标签权重决定对用户推送与标签对应的消息。
本发明之计算机可读存储介质的具体实施方式与上述消息中心消息内容推荐方法以及电子装置2的具体实施方式大致相同,在此不再赘述。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种消息中心消息内容推荐方法,应用于电子装置,其特征在于,包括以下步骤:
通过在消息中心中对消息行为事件进行埋点,获取用户对APP上的消息的行为数据,然后上报到采集中心;
统计用户当日对该APP的所有消息的点击行为;
根据消息画像为用户点击的消息打上兴趣标签,进而统计出所有推送消息对应的所有标签的全部点击次数,其中,消息画像是指根据推送消息的属性信息而抽象出来的标签化消息模型,通过消息画像建立用户点击的消息与标签之间的映射关系,把用户对消息的点击转换为对标签的点击情况统计;
根据下式计算当日用户标签i的权重:
其中,weights,t是当日对标签i的点击权重;
Ti是用户当日点击标签i的次数;
是用户当日点击所有标签的总次数;
N是当日点击标签的数量;
针对该APP的推送消息对应的标签,都计算当日的标签权重,并依据标签权重决定对用户推送与标签对应的消息。
2.根据权利要求1所述的消息中心消息内容推荐方法,其特征在于:
按照标签权重从高到低的顺序推送与标签对应的消息。
3.根据权利要求1所述的消息中心消息内容推荐方法,其特征在于:
还统计用户当日之前m日的标签权重,并以影响因子来权衡标签权重汇总,其公式如下:
weightd,t=(weights,t*α+weights,t-1*β+weights,t-2*γ…+
weights,t-m*k)
其中,weightd,t是当日用户标签i权重汇总;
weights,t是当日对标签i的点击权重;
weights,t-1是当日之前第1日用户标签i权重汇总;
weights,t-2是当日之前第2日用户标签i权重汇总;
weights,t-m是当日之前第m日用户标签i权重汇总;
α、β、γ…k为影响因子,在0至1之间取值,且α、β、γ…k之和为1。
4.根据权利要求1所述的消息中心消息内容推荐方法,其特征在于:
α、β、γ…k按照数值大小逐渐递减的顺序设置。
5.根据权利要求3所述的消息中心消息内容推荐方法,其特征在于:还设置有修正系数,其公式如下:
weightd,t=(weights,t*α+h+weights,t-1*β+weights,t-2*γ…+weights,t-m*k)
其中,为修正系数;
C为调整参数,初始值为0;
根据用户对该消息点击后的操作情况,使用修正系数来修正权重。
6.根据权利要求1所述的消息中心消息内容推荐方法,其特征在于:
所述行为事件至少包括对消息的点击、删除、转发、停留时间、点击次数。
7.根据权利要求6所述的消息中心消息内容推荐方法,其特征在于:对于点击次数,每点击一次,则消息对应的修正系数的调整参数C+1;
对于转发消息,每转发一次消息,则消息对应的修正系数的调整参数C+1;
对于删除消息,每删除一次消息,则消息对应的修正系数的调整参数C-1;
对于停留时间,停留时间超过平均停留时间,则消息对应的修正系数的调整参数C+1,其中:平均停留时间采用埋点统计用户对于所有消息停留时间的平均值。
8.根据权利要求1所述的消息中心消息内容推荐方法,其特征在于:
获取了标签点击情况后,将标签点击数据存储在移动终端,并定时通过http上报到采集中心,采集中心使用flume收集客户端发送的消息点击情况数据,并发送到kafka,kafka接收消息点击情况数据,然后使用spark streaming进行清洗和打标签。
9.一种电子装置,其特征在于,该电子装置包括:存储器和处理器,所述存储器中存储有消息中心消息内容推荐程序,所述消息中心消息内容推荐程序被所述处理器执行时实现如下步骤:
通过在消息中心中对消息行为事件进行埋点,获取用户对APP上的消息的行为数据,然后上报到采集中心;
统计用户当日对该APP的所有消息的点击行为;
根据消息画像为用户点击的消息打上兴趣标签,进而统计出所有推送消息对应的所有标签的全部点击次数,其中,消息画像是指根据推送消息的属性信息而抽象出来的标签化消息模型,通过消息画像建立用户点击的消息与标签之间的映射关系,把用户对消息的点击转换为对标签的点击情况统计;
根据下式计算当日用户标签i的权重:
其中,weights,t是当日对标签i的点击权重;
Ti是用户当日点击标签i的次数;
是用户当日点击所有标签的总次数;
N是当日点击标签的数量;
针对该APP的推送消息对应的标签,都计算标签权重,并依据标签权重决定对用户推送与标签对应的消息。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令被处理器执行时,实现权利要求1至8中任一项所述的消息中心消息内容推荐方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910121869.4A CN109977321A (zh) | 2019-02-19 | 2019-02-19 | 消息中心消息内容推荐方法、装置及计算机可读存储介质 |
PCT/CN2019/118423 WO2020168758A1 (zh) | 2019-02-19 | 2019-11-14 | 信息推送方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910121869.4A CN109977321A (zh) | 2019-02-19 | 2019-02-19 | 消息中心消息内容推荐方法、装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109977321A true CN109977321A (zh) | 2019-07-05 |
Family
ID=67077096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910121869.4A Pending CN109977321A (zh) | 2019-02-19 | 2019-02-19 | 消息中心消息内容推荐方法、装置及计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109977321A (zh) |
WO (1) | WO2020168758A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111090810A (zh) * | 2019-12-20 | 2020-05-01 | 北京奇艺世纪科技有限公司 | 一种应用消息的推送方法、装置及电子设备 |
CN111161076A (zh) * | 2019-12-31 | 2020-05-15 | 中国银行股份有限公司 | 金融市场产品的推送方法及装置 |
CN111581452A (zh) * | 2020-03-26 | 2020-08-25 | 浙江口碑网络技术有限公司 | 推荐对象数据的获得方法、装置及电子设备 |
WO2020168758A1 (zh) * | 2019-02-19 | 2020-08-27 | 平安科技(深圳)有限公司 | 信息推送方法、装置及计算机可读存储介质 |
CN113259446A (zh) * | 2021-05-25 | 2021-08-13 | 平安科技(深圳)有限公司 | 基于用户忠诚度的app消息发送方法、装置、设备及介质 |
CN113364670A (zh) * | 2021-06-16 | 2021-09-07 | 北京轻松筹信息技术有限公司 | 数据推送方法、装置及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104965890A (zh) * | 2015-06-17 | 2015-10-07 | 深圳市腾讯计算机系统有限公司 | 广告推荐的方法和装置 |
CN106446189A (zh) * | 2016-09-29 | 2017-02-22 | 广州艾媒数聚信息咨询股份有限公司 | 一种资讯推荐方法及系统 |
WO2017028097A1 (zh) * | 2015-08-16 | 2017-02-23 | 常平 | 推荐附近用户时的信息提醒方法和用户推荐系统 |
WO2019007187A1 (zh) * | 2017-07-06 | 2019-01-10 | 广州优视网络科技有限公司 | 信息推送方法、装置及服务器、计算设备和存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105550184B (zh) * | 2014-10-31 | 2019-11-19 | 阿里巴巴集团控股有限公司 | 一种信息获取方法及装置 |
CN107807943B (zh) * | 2016-09-09 | 2020-06-02 | 腾讯科技(深圳)有限公司 | 应用推荐消息的推送方法、装置、服务器及存储介质 |
CN107895276A (zh) * | 2017-08-31 | 2018-04-10 | 中国平安人寿保险股份有限公司 | 客户行为轨迹记录方法、装置及存储介质 |
CN109977321A (zh) * | 2019-02-19 | 2019-07-05 | 平安科技(深圳)有限公司 | 消息中心消息内容推荐方法、装置及计算机可读存储介质 |
-
2019
- 2019-02-19 CN CN201910121869.4A patent/CN109977321A/zh active Pending
- 2019-11-14 WO PCT/CN2019/118423 patent/WO2020168758A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104965890A (zh) * | 2015-06-17 | 2015-10-07 | 深圳市腾讯计算机系统有限公司 | 广告推荐的方法和装置 |
WO2017028097A1 (zh) * | 2015-08-16 | 2017-02-23 | 常平 | 推荐附近用户时的信息提醒方法和用户推荐系统 |
CN106446189A (zh) * | 2016-09-29 | 2017-02-22 | 广州艾媒数聚信息咨询股份有限公司 | 一种资讯推荐方法及系统 |
WO2019007187A1 (zh) * | 2017-07-06 | 2019-01-10 | 广州优视网络科技有限公司 | 信息推送方法、装置及服务器、计算设备和存储介质 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020168758A1 (zh) * | 2019-02-19 | 2020-08-27 | 平安科技(深圳)有限公司 | 信息推送方法、装置及计算机可读存储介质 |
CN111090810A (zh) * | 2019-12-20 | 2020-05-01 | 北京奇艺世纪科技有限公司 | 一种应用消息的推送方法、装置及电子设备 |
CN111161076A (zh) * | 2019-12-31 | 2020-05-15 | 中国银行股份有限公司 | 金融市场产品的推送方法及装置 |
CN111581452A (zh) * | 2020-03-26 | 2020-08-25 | 浙江口碑网络技术有限公司 | 推荐对象数据的获得方法、装置及电子设备 |
CN111581452B (zh) * | 2020-03-26 | 2023-10-17 | 浙江口碑网络技术有限公司 | 推荐对象数据的获得方法、装置及电子设备 |
CN113259446A (zh) * | 2021-05-25 | 2021-08-13 | 平安科技(深圳)有限公司 | 基于用户忠诚度的app消息发送方法、装置、设备及介质 |
CN113259446B (zh) * | 2021-05-25 | 2022-10-14 | 平安科技(深圳)有限公司 | 基于用户忠诚度的app消息发送方法、装置、设备及介质 |
CN113364670A (zh) * | 2021-06-16 | 2021-09-07 | 北京轻松筹信息技术有限公司 | 数据推送方法、装置及电子设备 |
CN113364670B (zh) * | 2021-06-16 | 2022-07-26 | 北京轻松筹信息技术有限公司 | 数据推送方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2020168758A1 (zh) | 2020-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109977321A (zh) | 消息中心消息内容推荐方法、装置及计算机可读存储介质 | |
US11830041B2 (en) | System and methods for generating dynamic market pricing for use in real-time auctions | |
US11195238B2 (en) | Method and apparatus of analyzing social network data to identify a financial market trend | |
CN109102394A (zh) | 风险评估方法、装置及计算机可读存储介质 | |
CN112017060B (zh) | 为目标用户进行资源分配的方法、装置及电子设备 | |
CN110097395A (zh) | 定向广告投放方法、装置及计算机可读存储介质 | |
CN106649681A (zh) | 一种数据处理方法、装置及设备 | |
EP2601623A2 (en) | Returning estimated value of search keywords of entire account | |
CN112561565A (zh) | 一种基于行为日志的用户需求识别方法 | |
CN113688923A (zh) | 订单异常智能检测方法、装置、电子设备及存储介质 | |
CN113393299A (zh) | 推荐模型训练方法、装置、电子设备和存储介质 | |
US11164266B2 (en) | Protection of water providing entities from loss due to environmental events | |
CN108737138B (zh) | 服务提供方法及服务平台 | |
CN114756669A (zh) | 问题意图的智能分析方法、装置、电子设备及存储介质 | |
CN112511632A (zh) | 基于多源数据的对象推送方法、装置、设备及存储介质 | |
US20230054880A1 (en) | System and method for vehicle loan lead generation | |
CN111681050A (zh) | 一种广告推送方法、装置、设备和存储介质 | |
CN116342305A (zh) | 一种差旅费报销方法、装置、计算机设备及存储介质 | |
CN116860805A (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
CN111476657A (zh) | 信息推送方法、装置及系统 | |
CN108537577B (zh) | 数据的有效性查询方法及装置、存储介质、服务器 | |
CN109978607A (zh) | 广告推荐方法、装置及计算机可读存储介质 | |
CN113792039B (zh) | 数据处理方法及装置、电子设备、存储介质 | |
CN113706249B (zh) | 数据推荐方法、装置、电子设备及存储介质 | |
CN116029772A (zh) | 一种新媒体广告投放方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |